- 博客(5)
- 收藏
- 关注
RSS订阅原创 点云分割（4）——基于平面模型分割和最小割分割
平面模型拟合在PCL库中可以设置模型类别，这个算法并不是真正意义上的分割，他只能分割出平面上的点云，但是在“点云分割（3）”中涉及到该方法，目的是将地面，墙壁等这些平面过滤了，就可以更好地进行分割。这个方法很简单，只有一个参数需要调整。如图所示为例程得到的结果：具体过程为：随机产生15个点云数据，都在z=1的平面上，其中人为设置了3个错误点，通过该模型，可以得到平面的四个参数和正确点的个...
2019-08-05 10:49:20
2830
2
原创 点云分割（3）——基于欧几里得聚类的点云分割方法
欧几里得算法：基于欧几里得的点云分割，先放结果图，图1为原图，图2为分割后的图，图3为输出的点云数量。图1图2图3具体过程：加载点云，滤波；分割平面模型；（下一篇博客）去除所有平面点云，对余下的点进行聚类分割；显示聚类分割结果。首先加载点云滤波，即对点云进行下采样，减少点云数量，提高精度；然后分割平面模型，该图中平面有两个，桌子平面和地面，将平面点云去除后，进行聚类...
2019-08-05 10:34:52
12150
3
原创 点云分割入门（2）——基于区域生长的分割算法
二 基于区域的分割算法其中,kd树用来获得点云的拓扑结构，可以得到邻域信息。对于kd树，这就简单说一下，网上资料很全。（点云空间拓扑关系的建立方式主要有Octree 法和 KD-tree 法）。根据PCL官网例程得到的结果如下图所示：PCL官网：http://pointclouds.org/documentation/tutorials/#segmentation-tutorial...
2019-08-05 10:25:27
7451
6
原创 点云分割入门（1）
近期在学习点云分割，了解了一下其目的，意义和几种基本的算法。分享并记录一下~点云分割算法分类：一 基于边缘的分割算法这种算法用途不是很广，也就没做进一步了解了，接下来几篇博客会对其余的方法有个了解~...
2019-08-05 10:15:54
5127
原创 《A Non-Local Cost Aggregation Method for Stereo Matching》读后感
这篇论文主要创新在代价聚集步骤，传统的聚集一般是在局部区域，这样结果也只是局部最优。但是这篇论文提出了非局部代价聚集的方法，用一颗最小生成树(MST)将整个图像联系起来，它以全图的像素作为节点，构建过程中不断删除权值较大的边，边就是相邻像素间的最短距离（即两个节点间相似性最小，本篇文章的相邻像素点指的是4邻域，我认为可以用8邻域来尝试）。然后采用kruskal（克鲁斯卡尔）算法或prim（普里姆）...
2018-08-27 21:29:56
891
6
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人